Tối ưu hóa đa mục tiêu vị trí và dung lượng nguồn phát điện phân tán trong lưới điện phân phối
Abstract
In the competitive electricity market, Distributed generation (DG) is an effective alternative to deal with the technical, operational and control requirements of the distribution network. This paper provides empirical evidence for the optimal connection of DG to the IEEE 69-bus standard radial distribution grid as well as the actual 257-bus radial distribution grid of Gia Lai Power Company. Several performance metrics based on active power losses, voltage fluctuations, voltage stability, load balance, and reliability have been used to form a new multi-objective function. Stochastic Fractal Search Algorithm is applied to find the optimal position and capacity of DG to minimize the proposed multi-objective function. The test results show that the connection of DG to the distribution network has improved. Moreover, compared with the previous algorithms, the proposed algorithm has provided better quality of the solution in the comparison cases.
Tóm tắt
Ở thị trường điện cạnh tranh, nguồn điện phân tán (Distributed generation – DG) là một giải pháp thay thế hiệu quả để đáp ứng các yêu cầu về kỹ thuật, vận hành và điều khiển của lưới điện phân phối (LĐPP). Bài báo này cung cấp các chứng cứ thực nghiệm cho vấn đề kết nối tối ưu của DG vào LĐPP hình tia tiêu chuẩn 69 nút của IEEE cũng như LĐPP hình tia thực tế 257 nút của Điện lực Gia Lai. Một vài chỉ số đánh giá hiệu suất dựa trên chỉ số tổn thất công suất tác dụng, dao động điện áp, ổn định điện áp, cân bằng tải và độ tin cậy đã được sử dụng để thành lập hàm đa mục tiêu mới. Thuật toán tìm kiếm phân dạng ngẫu nhiên đã được áp dụng để tìm vị trí và dung lượng tối ưu của DG nhằm cực tiểu hàm đa mục tiêu đề xuất. Các kết quả thử nghiệm cho thấy sự kết nối của DG vào LĐPP đã cải thiện đáng kể. Hơn nữa, so với các thuật toán trước đây, thuật toán đề xuất đã cung cấp chất lượng lời giải tốt hơn ở các trường hợp so sánh.
Article Details
Tài liệu tham khảo
Almabsout, E. A., El-Sehiemy, R. A., An, O. N. U., & Bayat, O. (2020). A hybrid local search-genetic algorithm for simultaneous placement of DG units and shunt capacitors in radial distribution systems. IEEE Access, 8, 54465–54481
Asasi, M. S., Ahanch, M., & Holari, Y. T. (2018). Optimal allocation of distributed generations and shunt capacitors using salp swarm algorithm, in: 26th Iran. Conf. Electr. Eng. ICEE 2018, pp. 1166–1172
Atwa, Y. M., El-Saadany, E. F., Salama, M. M. A., & Seethapathy, P. (2010). Optimal renewable resources mix for distribution system energy loss minimization. IEEE Trans, Power Syst., 25, 360-370
Balu, K., & Mukherjee, V. (2020). Siting and sizing of distributed, generation and shunt capacitor banks in radial distribution system using constriction factor particle swarm optimization. Electr. Power Components Syst., 1–14
Biswas, P. P., Mallipeddi, R., Suganthan, P. N., & Amaratunga, G. A. J. (2017). A multiobjective approach for optimal placement and sizing of distributed generators and capacitors in distribution network, Appl. Soft Comput. J., 60, 268–280
Biswal, S., Ghosh, A., Kumar, S., Chakraborty, N., & Goswami, S. K. (2018). Cuckoo search algorithm based cost minimization by optimal DG and capacitor integration in radial distribution systems, in: 20th Natl. Power
Syst. Conf. NPSC 2018, 2018, pp. 1–6
Bohre, A. K., Agnihotri, G., Dubey, M. (2016). Optimal sizing and sitting of DG with load models using soft computing techniques in practical distribution system. IET Generation, Transmission & Distribution, 10(11), 2606-2621
El-Zonkoly, A. M. (2011). Optimal placement of multi-distributed generation units including different load models using particle swarm optimisation. IET Gener. Transm. Distrib. 5, 760–771
Georgilakis, P. S., & Hatziargyriou, N. D. (2013). Optimal distributed generation placement in power distribution networks: models, methods, and future research. IEEE transactions on power systems, 28(3), 3420-3428
Hung, D. Q., & Mithulananthan, N. (2011). Multiple distributed generator placement in primary distribution networks for loss reduction. IEEE Transactions on Industrial Electronics, 60(4), 1700-1708
Moradi, M. H., & Abedini, N. (2012). A combination of genetic algorithm and particle swarm optimization for optimal DG location and sizing in distribution systems. International Journal of Electrical Power Energy Systems, 34, 66-74
Moradi, H., Zeinalzadeh, A., Mohammadi, Y., & Abedini, M. (2014). An efficient hybrid method for solving the optimal sitting and sizing problem of DG and shunt capacitor banks simultaneously based on imperialist competitive algorithm and genetic algorithm. International Journal of Electrical Power Energy Systems, 54, 101-111
Ochoa, L. F., Padilha-Feltrin, A., Harrison. G. P. (2006). Evaluating distributed generation impacts with a multiobjective index, IEEE Trans. Power Deliv., 21, 1452–1458
Ochoa, L. F., Padilha-Feltrin, A., Harrison, G. P. (2008). Evaluating distributed timevarying generation through a multiobjective index. IEEE Trans. Power Deliv. 23, 1132–1138
Salimi, H. (2015). Stochastic fractal search: A powerful metaheuristic algorithm. Knowledge-Based Systems, 75, 1-18
Shaaban, M. F., Atwa, Y. M., & El-Saadany, E. F. (2013). DG allocation for benefit maximization in distribution networks. IEEE Trans, Power Syst., 28(2), 639-649
Singh, D., & Verma, K. S. (2009). Multiobjective optimization for DG planning with load models. IEEE transactions on power systems, 24(1), 427-436
Thuận, N. T. (2017). Tái cấu hình lưới điện phân phối sử dụng các giải thuật tìm kiếm tối ưu (Luận án Tiến sĩ). Đại học Sư phạm kỹ thuật TPHCM
Tri, P. N., Thi, A. N., Thang, V. H. P., Dieu, N. V. (2021), A comprehensive analysis for multi-objective distributed generations
and capacitor banks placement in radial distribution networks using
hybrid neural network algorithm. Knowledge-Based Systems, 231(107387)
Zimmerman, R. D., Murillo-Sánchez, C. E, & Thomas, R. J. (2011). MATPOWER: Steady-state operations, planning, and analysis tools for power systems research and education. IEEE Transactions on Power Systems, 26(1), 12-19